基于贝叶斯网络的故事线挖掘算法

• 作者: 佘玉轩 熊赟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 故事线挖掘 事件 贝叶斯网络 时效性 新闻 主题
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 55-59
• 页数: 5页
• 分类号: TP391
• 字数: 4833字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.03.009

摘要

目前的多数故事线挖掘研究侧重新闻文献和事件的相似性分析,忽略了故事线的结构化表述及新闻具有的延时性,无法直观地从模型结果看出不同新闻话题的发展过程.为此,提出一种基于贝叶斯网络的无监督故事线挖掘算法.将故事线看成日期、时间、机构、人物、地点、主题和关键词的联合概率分布,并考虑新闻时效性.在多个新闻数据集上进行的实验和评估结果表明,与K-means、LSA等算法相比,该算法模型具有较高的故事线挖掘能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊赟	复旦大学计算机科学技术学院上海市数据科学重点实验室	26	277	7.0	16.0
2	佘玉轩	复旦大学计算机科学技术学院上海市数据科学重点实验室	2	7	2.0	2.0